Thought Leadership
KI-gesteuerte Fahrzeuge, die innerhalb von vollautomatisierten Lieferketten ganz ohne Fahrer Menschen, Rohstoffe und Produkte von A nach B transportieren – Was noch vor wenigen Jahren wie der unerreichbare Traum eines Science-Fiction-Autoren klang rückt näher.
Doch die hohe Geschwindigkeit, mit der technologische und wirtschaftliche Umwälzungen voranschreiten, stellt Unternehmen vor großen Herausforderungen. Um diese als Chancen für intelligentere Fahrzeuge, bessere Nutzererfahrungen, vernetzte Systeme und sicherere Straßen nutzen zu können, braucht es zuallererst ein Verständnis für die wichtigsten Entwicklungen, die die Automobilindustrie inklusive Zulieferer jetzt und in absehbarer Zukunft betreffen.
Der Technologie-Markt in Deutschland hat sich seit 2000 verdoppelt. Die digitale Transformation der Gesellschaft hat dabei die Automobilindustrie ebenfalls voll erreicht. Intelligente Fahrzeuge mit eingebauter Smart-Technologie werden mittlerweile als Standard vorausgesetzt. KI-unterstützte oder gar selbstfahrende Fahrzeuge mögen sich zwar dank rechtlicher und technischer Herausforderungen noch nicht durchgesetzt haben, aber die Geschwindigkeit der Entwicklung im Bereich KI- und Machine Learning in den letzten Jahren lässt erahnen, dass hier die Entwicklung nicht stoppen wird.
So bieten vernetzte Fahrzeuge den Unternehmen nicht nur ein potenzielles Milliardengeschäft mit beispielsweise In-car Payments und Datenanalysen von Kundenverhalten. Sie sind auch ein nicht zu unterschätzendes emotionales Bindungsmittel. Die Verbindung von Auto und Mensch ist um einiges tiefer, wenn das Auto eine kritische Rolle im Alltag spielt. Marken- und Firmentreue werden so gefördert. Denn generell können Funktionen, die heute das Smartphone übernimmt, in Zukunft vom Auto übernommen werden. Die nächste Benzin-Station ausfindig machen oder Kaffee oder Lebensmittel auf der Fahrt bestellen – mit dem Auto als digitales und mobiles Wallet ist das kein Problem.
Globale Veränderungen zwingen zur Transformation
Viele äußere Einflüsse haben den Druck auf die Automobilbranche in den letzten Jahren erhöht, sich zu transformieren. Der Brexit, Covid-19, der Krieg in der Ukraine und schließlich der globale Halbleiter-Mangel – besonders im Lieferketten-Bereich gab es einige tiefeinschneidende Krisen. Hinzu kommen weitere Aspekte, die diese noch verschärfen: die Dominanz weniger marktführender, Global-Player und die Aufsplittung von Herstellung und Design über verschiedene geographische Regionen hinweg.
Hinzu kommen die notwendigen ambitionierten Umweltziele der einzelnen Staaten sowie von EU und UN, die im besonderen Maße die Automobilindustrie unter Druck setzen. Unter diesen Umständen beschleunigt sich immer mehr der weltweite Umstieg zur Elektromobilität. Das Rennen um diesen zukunftsträchtigen Markt wird sich darüber entscheiden, wer am schnellsten seine Produktion hochskalieren kann, um als Elektro-Partner interessant zu bleiben.
Nicht der Hardware, also dem Chassis, sondern der Software gehört die Zukunft: Laut einer Studie von McKinsey wird das Wertpotenzial auf bis zu 400 Milliarden USD im gesamten Mobilitätsökosystem von Autoherstellern, Zulieferern und Serviceanbietern geschätzt. Das klingt auf dem ersten Blick nach einer guten Nachricht, doch die deutsche Auto-Industrie droht hier im Vergleich zu daten-orientierten Firmen wie etwa Tesla oder gar Google den Anschluss zu verlieren. Sieben der zehn wertvollsten Unternehmen weltweit gründen ihren Erfolg auf datenbasierten Geschäftsmodellen. Die auf Hardware fokussierte deutsche Industrie steht daher vor der Herausforderung, den massiv wachsenden Software-Markt zu erschließen. Der Umgang mit Big Data ist also die erste große Herausforderung eines zukunftsfähigen Automobil-Unternehmens.
Die vier größten Herausforderungen der Automobilindustrie:
1. Data Analytics
Ohne richtige Data Analytics können keine sinnvollen Unternehmens-Strategien erstellt werden. Umso besorgniserregender ist es dann, dass die meisten Unternehmen gerade erst mit dem Big-Data-Programm für eine sinnvolle Wertschöpfung beginnen. Eine intelligente Data Analytics ist unerlässlich, um eine personalisierte Customer Experience zu garantieren. Diese führt dabei zu stärkerer Markenbindung und Loyalität. Generell wird sich in Zukunft der Fokus hin zu einem kundenorientierten Geschäftsmodell verschieben. KI, Deep Learning, Smart Insurance, digitalisiertes Lieferkettenmanagement und andere Fortschritte werden dabei nicht nur neue Geschäftsmodelle und eine bessere Customer Experience ermöglichen, sondern auch den Umweltschutz fördern.
2. Standards setzen
Um den zahlreichen Lieferketten-Krisen her zu werden, ist eine globale Normung mit übergreifenden Standards unerlässlich. Digitalisierungsmaßnahmen, internationale Partnerschaften und Absprachen sowie eine Verbesserung der Dateninfrastruktur ermöglichen dabei die Erreichung der ambitionierten internationalen Klimaziele.
3. Kosten reduzieren
Maßnahmen zur Kostensenkung werden mit zunehmender Häufigkeit von Rohstoffmangel, Lieferengpässen und gleichzeitig steigenden Klimaauflagen immer wichtiger. Durch intelligente Automatisierung von Prozessabläufen sowie Migration in die Cloud können dabei massiv Kosten eingespart werden. Durch „Car-to-Commerce“ werden dabei neue Gewinnpotentiale aufgedeckt.
4. „Direct-to-Consumer“
Eine weitere große Herausforderung insbesondere für deutsche Automobilhersteller ist die Transformation zu einem kundenorientierten Geschäftsmodell. Noch findet kaum direkter Kontakt zwischen Hersteller und Kunden statt, denn normalerweise ist ein Händlernetzwerk für Verkauf und Marketing zwischengeschaltet. Kundenbindung durch Förderung von Brand Loyalty fällt somit schwer. Ein datengetriebenes Customer Experience Management ist in Zukunft also unerlässlich, um den direkten Kontakt mit dem Kunden zu finden.
Eine hochtechnologisierte und umweltfreundliche Zukunft der Automobilindustrie
Die zahlreichen Entwicklungen in der Technologie, Umwelt- und Wirtschaftspolitik werden auch noch auf absehbare Zeit die Automobilindustrie beschäftigen. Umorientierung von Geschäftsmodellen auf Daten- und Softwarebasis, Direct-to-Consumer Modelle und Deep learning sowie effiziente Kostensenkungsmaßnahmen sind dabei geeignete Maßnahmen, um von den Umwälzungen in der Weltwirtschaft nicht überrollt zu werden, sondern im Gegenteil, diese als Ausgang für eine zukunftsfähige Unternehmensstrategie zu nutzen.
